B 站开了个「AI 无限竞技场」，UP 主拿真活儿给大模型排座次

据量子位等报道，哔哩哔哩于 9 月 16 日正式上线「AI 无限竞技场」，同步公布首期测评榜单。目前已收录 30+ 个测评主题、100+ 个参战大模型，累计观看量达 1398 万+。按各模型在测评主题中拿到榜首的次数，GPT-6 Astra、GLM-5.3、Claude Fable 5.1 暂列前三。

不跑分，看真实工作流

它和传统评测最大的不同，是不设统一主题或维度限制。来自各个分区的 UP 主，以自己的真实工作流、专业应用、乃至趣味脑洞自主命题，在同一道题上把不同模型摆到一起 PK，直观呈现实际表现的差异。代码、推理、协作、知识等场景都被涵盖进来，首期就摆上了 DeepSeek、Kimi、ChatGPT、Claude、Gemini、豆包、千问、MiniMax 等一众主流模型。

前三名里有两家国产

据报道，GPT-6 Astra 在 10 位 UP 主的测评中拿下榜首、以拿榜首次数打败 GLM-5.3 登顶；而前五名中，国产大模型占了三席。这个结构本身就是个信号——在贴近真实使用的众包测评里，海外与国产模型的差距，比很多人从跑分印象里想象的要小。

这种排法能说明什么、又说明不了什么

众包命题的长处是贴近真实：它测的是「拿去干活好不好用」，而不是刷题分数。但同一枚硬币的另一面是主观——命题由 UP 主自定、场景各异，「第一」的含金量因此很难被标准化。这类榜单更适合当成一张「不同模型在不同活儿上各有所长」的分布图来读，而不是给谁盖章封王。